文摘
目前,各种各样的计算模型用于人类社会是基于统计数据。由于大量的数据,传统统计方法无法解决这些问题。的隐藏的数据,大数据的处理中起着重要作用的合理配置人力资源,培训专业人才,提高人力资源的操作,提高人力资源的使用效率。本文结合人力资源分配的方法基于递归神经网络和传统的人力资源分配,为了找到一个合适的方法领域的人员位置选择和推荐人才的工作。算法的测试,该方法的F1值为0.823,20.1%和7.4%高于前两种方法,分别表明该方法可以有效地提高隐藏功能,提高培训效果,提高模型的性能。
1。介绍
在数字媒体的大数据,人工智能技术的迅速发展,使得企业的人力资本管理的智能过程迅速发展。目前,在企业中,越来越多的公司开始关注智能人员分配。
使用数字媒体数据基于递归神经网络,企业合理的人力资源配置策略研究,有助于有效地培训专业人员在各种行业,优化企业的经营模式,提高企业的资源利用率(1]。促进企业集成的过程中,公司的经济效益和社会效益是更好的实现,因此,如何有效地实现智能管理人力资本已成为一个非常关键的问题2]。从根本上讲,智能社会的最突出特点是爆炸式增长的数据,使以前的人力资源管理方法难以适应大规模数据的需求。不可能简单传统的人力资源管理意识到有效的决策分析和传输大量的资源,导致大量数据被使用(3]。这不仅让公司失去了大量的信息,但也阻碍了信息技术的发展。因此,先进的智能计算方法引入到人力资源系统,可以大大提高其人力资源处理(4]。
数据处理的本质是有效地提取数据的软件。在过去的数据挖掘,统计方法通常是使用。在数据不足的情况下,可以使用统计方法,但在定量和增量的情况下,该方法不能满足需求。机器学习是一个非常有用的数据挖掘技术,可以大量的训练数据,从数据中提取隐藏的一些特性,并通过持续的研究,实现准确的提取数据。机器学习技术是用于处理人力资源和循环神经网络技术用于研究大量的数字媒体为了进一步提高处理效率(5]。
2。研究背景
目前使用的各种计算模型在人类社会是基于统计数据。由于大量的数据,传统统计方法无法解决这些问题。的隐藏的数据,大数据的处理中起着重要作用的合理配置人力资源,培训专业人才,提高人力资源的操作,提高人力资源的利用效率。本文结合人力资源分配的方法基于递归神经网络和传统的人力资源分配,为了找到一个合适的方法领域的人员位置选择和推荐人才的工作。算法的测试,该方法的F1值为0.823,20.1%和7.4%高于前两种方法,分别表明该方法可以有效地提高隐藏功能,提高培训效果,提高模型的性能(6]。
3所示。材料和方法
3.1。传统的人力资源分配模型和递归神经网络人力资源分配模型
根据人力资源配置的理论在历史意义上,人力资源规划主要是整理详细的人力资源企业。人力资源配置有多个组件,加权和加在一起来确定人力资源的质量得分,并根据计算结果推荐指标,如图1。
首先,接收的数据分为人员评估和质量。最常用的评价方法是建立一个员工评价模型,包括员工自我评估、上级评估,和其他因素。员工的性能质量模型包括员工绩效等指标,出勤率,排名(7]。基于员工的评价和他们的技能的分析,公司的主要人员之间的匹配程度和他们的立场得到如下: 在哪里 - - - - - - 相应的评价参数,因此人员优化根据person-post匹配度模型,如图所示:
传统的算法可以优化人力资源的配置在一个简单而有效的方法,它只适用于人类数据较少的情况下。随着企业制度的发展,人类的数据也在增加,并且这一问题越来越复杂。递归神经网络的计算效率更高,与传统方法相比,它可以适合大数据挖掘和处理数据的水平,加强人力资源的有效管理。
3.2。提高复发性神经网络模型
在本文中,我们认为,人力资源管理模式的本质是实现人力资源配置通过计算人力资源和匹配工作。基本上,它可以抽象为一个推荐模型。在许多方面,建议模型研究和证明,和当前主流的推荐模型都使用基于递归神经网络算法。其最重要的特点是反复学习神经网络进行数据的使用,这可以被视为一个层次化的形象与人类的原始信息作为输入,然后从不同的角度不同的信息提取,通过递归神经网络的步骤,如计算、池、和激活(8]。
3.3。算法流程
算法过程手册赛后,其过程是选择根据实际情况和数据特征(9]。目前人力资源的方法是基于统计数据,这很容易导致信息的缺乏由于缺少分析的隐式特征数据和纯粹依赖简单的评分方法和专家判断。在此基础上,提出了一种基于递归神经网络的新算法。这种方法的关键是提取数据的基本属性匹配传统人才的能力需求,如人力资本评估和人力资本质量矩阵。收集到的数据导入到一个编码机,和美联储获得信息的数据输入阶段递归神经网络的输入数据(10]。算法流程如图2。
首先,执行数据采集,它使用一个分布式流媒体采集的数据选择的方法,分为人事评价矩阵和人员能力矩阵。信息是抽象和预设,然后解码并存储在数据仓库中使用编码机;数据增强使用的方法增加功能。最后,它是输入和输出递归神经网络的的分数person-job匹配,从而实现人才的建议下,算法中的步骤流程解释如下(11]:(1)收集数据。使用流分布的数据收集方法,由于不同格式的差异从不同的公司人力资源数据。因此,人力资源以统一的格式,数据必须被处理和加工包括操作,比如数据四舍五入和转换。数据清理后,转换和聚合,根据需要重组数据,存储在数据存储系统,然后输入到Web代理服务器(12]。(2)预处理的初始信息。这些信息分类为一个更完整的解释人力资源配置的特点。并将该信息存储在一个存储库支持后信息建模。数据处理:首先预处理收集到的数据,例如,填写遗漏,然后将数据分成两类,分别训练和测试(13]。(3)实现的功能增强。从数据库中提取信息并分类。中学到的方法是通过执行一个人工神经网络获得信息。在此基础上,该模型引入多级神经网络学习的学习的时候,一个自适应的时刻估计算法是用于实现系统的参数更新(4)推荐结果输出。human-job匹配程度排名结果,然后合理的工作任务是由参考分数。此外,目标数据是通过特性计算相应的算法模型来生成结果数据,然后结果数据呈现给终端用户通过数据输出模块(14]。
3.4。人力资源分配算法评价指标和数字媒体
新算法,它通常是由特定的评估指数,并在此基础上,提出了一种基于精度的评价方法。在评价系统中,高准确性和高召回更可取。然而,在某些情况下,精度和召回率之间的矛盾,所以F1的价值总和。
在工业化时代,这是一个时代主要集中在机械和金钱,而在信息时代,这是一个集中在媒体和信息时代。数字经济和互联网的发展是同步的。从发展的角度分析了部队,它主要由网络和数据,也就是说,这两个主要驱动力基于网络通信技术,传输技术和数据计算15]。
使用这两种方法,可以对各种复杂的材料进行分类(16]。数字内容和数据的关键元素是现代传媒产业,这是由媒体、内容和数据为主要内容的基础,数字媒体(17]。然而,当前数字媒体行业占据主导地位的仍然是互联网和计算机技术的发展,促进数据背后的驱动力的发展数据,和这种发展将逐步反映在大数据和其他新媒体等新媒体(18]。
3.5。实验数据以及环境描述
论文中的数据分类对企业人力资源数据,并且数据包含比较实验模型结果相比,实验环境的图形,如图3。
4所示。结果与讨论
4.1。演员的网络化人力资源愿景:前景和困难
数字化的浪潮推动下,人力资本管理理论和科学研究活动的公司新开发的,但业务经理和研究人员也不得不面对如何有效使用数字媒体大数据来促进公司的发展。本文提出一种数字技术在人力资源管理中的应用的全面视图从人机交互的角度。之间的关系从“人”和“技术”,本文总结了新方法和新商业环境带来的“数字技术,并分析业务的认知、情感体验、适应、和阻力。我们也分析了公司方面的认知、情感体验、适应、和阻力。
今天,随着数字技术的发展,机器正变得越来越聪明,已经类似于外表和人类互动。是否智能在线客户服务,机器人在购物中心、医院、银行、或机器学习计算与计算能力优越,数字技术在某种程度上就像人类[19]。给演员网络的概念,认识到积极主动,表述行为的性质的技术,技术和人类的意义对等,而将技术视为平等的对象,与人类的相互作用,接下来的部分还讨论了如何应对这些问题在此基础上合作的员工和机器智能。本文模型分类,分为两组:训练和测试。在递归神经网络的检测阶段,例如,hyperparameters初始化参数t,学习速度 ,和hyperparametersβ1,β2的递归神经网络的运营梯度来 是终点。
递归神经网络算法的仿真测试,和传统的统计方法在论文中进行了正确性,回忆,和F1值的算法通过实验验证,如图4。
4.2。数字媒体大数据的维度
有两个数字经济的驱动尺寸不同的优点和缺点。因此,各种组合的结果是不同的经济形式。与传统产业相比,如IT顾问和ICT设备行业,网络和数据驱动的地位较低;高网络但data-deficient由数字媒体行业。今天的媒体行业依赖于网络通信技术和依赖于大数据计算实现规模效益,还没有出现。然而,在不久的将来,智能媒体将越来越依赖于数据计算。软件行业是一个行业的高数据但由低速网络。在数字时代,告诉网络和数据的行业是最具活力的行业(20.]。目前,面向行业的高速互联网和信息包括新兴智能经济,大数据产业,经济平台,云计算服务行业,金融和互联网。从产业发展的角度,本文认为,数字经济的创新包括互联网和数据,即。,更多的新工业形式将生成智能技术的应用。
数字媒体是一个社区的人际互动,它结合了通信媒体内容和数据。在数字经济,所有媒体都是数字。ICT的动力、媒体形式注定要经历一个不断创新的过程。未来趋势无疑是可视化,情报,甚至集成和仿真扩张与人体器官。通过这种方式,人体和媒体终端的集成内容的数字化生产的结果,最终的方向媒体和网络平台的集成。人类和世界之间的交通枢纽是智能网络,在大数据,无穷无尽的媒体产品自然会出现,以满足人类的各种需求。
随着数字技术的不断发展,数字技术的使用和操作在企业界遇到了许多问题。一方面,它从企业内部的转移目标高度集中人员的高度智能的数字技术和数字技术。然而,当前人力资源管理理论并不完全肯定数字技术的积极影响公司的发展,同时提出问题在公司内部人员培训满意度等问题将减少,培训成本会下降,工作积极性会受到影响,和离职员工也会受到影响。必须说,许多组织正在经历一个“幻灭”与数字技术的影响下的数字概念。在这样的背景下,迫切需要组织结合新的数字新兴的实践。
根据一些学者,令人不满意的方面主要是由于数字技术在人力资源管理的实践模式,不符合人类的条件下,经理和管理之间的单向通信,和数字之间的距离所带来的组织和个人数字技术。从业者不断要求员工的培训在数字技术集成能力。然而,不可否认的是数字技术和个人之间的关系和集成员工尚未被学术界给予足够的关注。在当前的组织管理领域,尤其是人力资源管理,许多数字评论仍然落在的单向影响技术员工,并且不整理和总结员工的态度向数字技术和员工之间的联系和数字技术。以来几乎没有可用的文学,本文侧重于技术和人们之间的联系,认为数字技术是人们之间的联系及其最新发展技术和组织以更全面的方式。在此基础上,本文概述了结构和行为两方面探讨员工认识、经验,并适应数字技术在人力资源管理,并总结了管理者所面临的重要问题时面临着人机协作混合组织应对挑战和困难的新的人力资源管理实践在数字时代,如图5。
4.3。应用实例分析研究的对象
企业内员工的质量决定了实际产出水平的企业的人力资源的能力。通过因素如工作能力、工作态度、组织因素、工作环境因素影响他们的工作表现。工作行为的外部条件是不变的企业内部和外部的;不同的工作态度和能力描述个人人力资源;劳动是劳动与自然过程。在外部环境的影响下,劳动和劳动功能改变。在一定的外部环境,员工的素质是一个重要指标,决定了企业的最终产品的性能。在一定的外部条件下,员工的素质是一个关键因素影响企业的最终性能。在企业中,员工的素质也有很大的影响。它也有一个对员工的实际输出性能的影响。 In different companies, the human resource characteristics of the company can also have a great impact on the behavior of employees, which can lead to differences in employee performance.
单个个体的个人生产效率在各自无关的功能区域在某种程度上不同于个体人力资本结构。如果使用劳动的先决条件或应用程序的核心技术,公司的人力资本的生产率是影响公司的生产力的关键因素。在这种情况下,人力资本的特点影响个人的实际生产能力。当使用人才基于经验、技能和知识,重点是团队合作。在这种情况下,人才的特点产生重大影响的人才,如图6。
人在公司内部的质量决定了人力资本的实际生产水平。通过因素如工作能力、工作态度、组织因素、工作环境有一个角色在员工的性能。工作行为的内部组织的外部环境和内部环境的企业,这两个是不变的;工作思路和工作技能之间的差异反映出个人的人力资本特征;的工作职责是程序性的工作性质,这取决于外部条件时,必须改变工作的工作作风和工作能力。因此,在给定的外部条件下,人力资源的特点是关键因素,影响人力资源的实际产出能力。在一定的外部环境,公司的员工的质量是一个重要指标,决定了最终产品的性能。反过来,质量企业的员工在企业中是一个重要因素。和它有一定影响的实际产出表现企业的员工。在不同类型的企业中,企业的人力资本特征也影响企业员工的作用,进而产生不同的性能。
为不同类型的功能,人力资源的特性有不同的影响实际产出能力的个体人力资源和人力资源的组合之间的关系。当制造业使用人力资源基于体力或基本技能、个人人力资源的实际产出能力起着重要的作用。在这种情况下,人力资源的特点主要发挥作用的实际产出能力个人人力资源。当使用基于经验的人力资源、技术和知识,强调团队合作和人力资源组合关系起着重要的作用。在这种情况下,人力资源特点主要发挥作用的人力资源组合关系。
4.4。系统进程
人在一个公司的特点是深入探索。企业的人才特点从多个角度进行了讨论。本文的特点,企业的人才从多个角度探索。人类生物学、暂时性、可恢复性、价值和自治是人类的基本特征,与移动性的特点,增值、社会控制、无控等。分析总结了人力资源的特点如下。(1)生理差异。人类是一种“活”的物质,这是人类的基本特征密切相关。是有限的资源(能量、时间、空间等)可用一个有机生命体,和有限制的资源(2)世事。有一个特定的时间框架的形成、开发和利用人才。人们在有限的一段时间工作的人在他们的生活和工作各个不同的时期(青春期,'年龄、老年)。他们也在不同的工作强度(3)可恢复性。人力资源是可回收和可再生资源。个体人力资源弹性是通过劳动力再生产的过程。这个过程包括人类的力量,自然的力量,“社会劳动”(人)之间的劳动关系的力量。外部和内部变量的相互作用的过程是一个人类的自然和社会属性的组合(4)价值。在形成和发展的过程中,人力资源必然产生一定的投资,其价值体现在劳动力市场的作用下的价格(5)自治。工人是一个工人,思想,情感,意志,个性和创造力,材料不具备的元素。通过发现问题在生产活动中,积累经验,创造和改善劳动资料,发现、转换和利用新形式的劳动,工人促进生产力的发展。在生产活动中,员工不仅被动地使用各种资源,还可以充分利用劳动力资源结构的合理化(6)Value-addedness。使用劳动的物质时,它们充分发挥劳动对象的作用,因此他们有一个超越自己的角色。劳动消费而言,它可以补偿由商品和服务的销售,收入或增值。它可以补偿通过出售产品和服务的收入,或增加价值
以DT企业人力资源经理为研究对象,建立一般模型结合行为调查和问卷做出综合评价经理人的能力和品质。后初步数据分析和数据提取,分类,分类,和编码进行了进行了采访与一般员工和优秀的员工。基于知识的分类、知识和技能,企业管理者的能力和质量评价模型构建。DT机密的职位根据每个级别和重量技能质量模型和相应的职业资格表,用相对应的索引标记每一层促进基准测试。
在此基础上,按照专业资格的要求,专家评估和三个问卷用来评估公司的人事经理的工作能力,专业工程师,并熟练操作符来评估其适用性与工作,我的分数。不匹配的个人需要有针对性的培训,特别是那些指标较低的特定的能力和素质。(1)招聘选拔。在招聘与选拔过程中,DT使用人员配备模型为基础的全面评估候选人的关键技能和符合工作要求。帮助面试官关注的关键能力指标的位置,可以使用能力选择过程,形成统一的评估标准,建立标准化的能力指标,并让面试官做出一致的判断,使面试过程更加系统化(2)每个单元的公司评估人员根据人员配备模型和问题一个组织和个人为每个单位人事分析报告。评估报告的基础上,我们确定员工能力的不足,分析培训需求,制定合理的、系统的、科学的培训计划的能力增强,并邀请专家为员工提供有针对性的培训,有效提高公司的管理水平和员工素质(3)绩效评估。DT绩效评估其能力和质量评估体系,结合绩效奖励。设置绩效考核标准不仅要确定开发能力和质量的指标,而且还决定工作绩效指标基于员工发展和对公司的贡献,通过适当匹配长期和短期性能与当前的价值观和公司的长期发展需要,确保高质量和工作质量(4)奖励优秀员工。DT逐渐开发了一个优秀的员工选择机制基于递归神经网络算法模型。能力质量评价和绩效评估的条件优秀的员工的参与。员工的高绩效和能力评估必须参与选择优秀的员工,提高他们的表现,他们是更有利的。从DT的角度新能源发电企业建立一个人员配备模型将员工能力与公司的战略目标将确保公司战略实现的效率。同时,基于能力的质量,最好的人才会投资公司创造更大的利润,提高公司的核心竞争力,赢得竞争中打下坚实的基础。从员工的角度来看的DT新能源发电企业通过人才匹配模型,员工清楚地认识到自己的缺点和优点和用不同的方法提高他们的专业知识和核心竞争力。在此基础上,管理者与员工沟通,不断提高他们的性能和支持他们的未来的学习和发展计划
模型的核心思想是实现合理分配员工通过计算公司内部人力资源信息并相应地匹配它。基于基本的神经网络,混合递归神经网络模型,一个全球模型,介绍了基于神经网络和本地模型转换的结果模型的分层操作网络的输出,然后建设层次模型的模型是用于构造网络,实现高准确率的人才分配和建议。
从工作时间的角度变化,我们可以看到,四天的工作时间被许多国家采用,和公司通常设置方向和下一年的目标,创造更多新的就业机会在一个特定时间。除了日常运营,人力资源应该更加注意人才流动和分配的变化,关注新领域,可以为业务,创造更多的价值,积极搜索、识别、和创造价值。面对数字经济的变化,越来越多的企业注重创新能力建设和组织能力的改善。
过去几百年里,中国企业的管理模式已经改变了从机械化,比较人性化,和高度人性化,自主管理;“经济人”假设的“社会人”到今天的“白手起家”和“复合人”;从最初的“人是机器”和“新手系统”今天的越来越重要的个人需求,个性,和欲望的企业管理哲学的转变。发人深省的是人力资源管理,现在由数字技术,现在似乎是“逆势而动”:越来越多的先进的数字技术,越来越精确、全面、定量和不人道人才控制,日益失衡,电力公司和员工之间的差距,推动人类回到一个新时代。然而,在个人价值观的崛起的时代,员工有更强的自我意识和较高的成就动机,追求个性,个性,和自我实现与人力资源管理冲突的方法数量、效率和精度,如图7。
此外,由于机械智能的引入,人们的工作和学习习惯在公司内部已经改变,这对设计有很大的影响在公司的工作和就业。这项研究的结果告诉我们,为了机器更好地掌握他们建立自己的获胜的能力,需要找到合适的替代方法。也许与AI合作,这些新的实践探索在传统的人力资源管理领域的工作设计和学习行为。如图8。
基于数字技术的人才配置导致更加重视准确性,全面性和可预测性的培训和发展员工。这种方法促进了人力资本在企业的操作在某种程度上,但在某种程度上也有问题,限制了动机、积极性和创造性的公司内部自治的人做决定。在今天的公司,个人的价值不断增长,和新一代的员工是高度自我意识和有一个伟大的成功的动力。如何解决之间的紧张关系的客观和定量组织人力资源管理模型和主观的和多样化的个人价值要求的员工,帮助员工“自由发展”,并为他们提供适当的指导和干预,从而达到有效的性能多样化的组织。虽然数字技术已经在企业人力资源管理产生重大影响,专家指出,在企业人力资源管理的效率还没有有效由于数字技术的使用。因此,重要的是,研究人员重新思考数字人力资源从员工的角度来看。从的角度来看人类和技术之间的关系,技术不是静态的结构性质;他们是由人类对技术的使用,因此,技术的对象自然是没有价值的,除了人类行为的目的和目的性。使数字技术更有效,有必要站在员工的角度,关注技术认知、情感体验、适应、和阻力。
5。结论
数字化、信息化快速发展的趋势下,人力资源管理的角色也发生了新的变化,从传统内容提供商到IP开发人员和业务结构也改变了从一个相对静态的单向供应链模型一个连续和动态的多元化生产模型,带来新的动力产品开发在内容资源方面,附加价值和影响力。
基于“人”和“技术”之间的交互,并基于“结构”和“演员”的概念,我们将提供一个全面的分析“数字技术”的角色发展的“数字内容”。全面回顾应用程序的“数字技术”到“人力资本”。基于构建的原则,提出了数字技术的新发展和新方向,新工作模型从四个方面:知识和技能,动机和努力,员工参与,和员工关系,组织员工的认知、情感体验、适应和抵抗。
根据角色网络理论,本文总结了研究机器智能和人类智慧的进步从三个视角:信任和排斥,合作和适应,合作模式。基于现有研究进展的回顾,本文确定了现有研究的不足之处。基于结构理论的研究缺乏关注和研究之间的紧张关系technology-induced结构性变化和员工的反应。
这两个问题是如何组合在一起从集成的角度?演员网络的研究都集中在协调和机器智能与人工智能的一致,而缺乏理论和实证注意其潜在竞争关系。因此,本文在分析人力资源配置方案,大数据在数字媒体基于递归神经网络模型。本文还提出了新的研究和重新定义的定义,分类,结构,和数字经济的测量方法,试图构建一个框架在不同层次人力资源分配。本文还分析和评估当前使用的传统统计计算方法,提出了改进的方向。基于上述观点,本文提出以下两个结论和展望。
首先,它从人们之间的交互和技术,然后探讨了技术如何影响组织的人才实践以及它如何影响组织的行为人和技术之间的关系。这种观点不仅弥补了前面的单向数字方法人力资源,但也提供了一个更全面和系统化的方法来深入的了解学术界和实践。本文认为它将进一步探索数字技术和员工之间的集成,提出一种新的测量和计量的方法基于一种新的测量模型。这是一个历史发展阶段,工业时代生产力发展阶段后,在下一代互联网,5克,大数据,和人工智能…所有仍在路上,和大数据的发展仍有许多问题有待探讨和解决。
第二,在今天的组织数字化的环境和背景下,管理主义的概念可以在组织实践当精度等问题,实践的有效性和可预测性是通过数字技术来解决。未来人力资源管理的研究应该是人道主义,尊重人性和人类尊严不仅是一个经济的考虑,它集成了来自不同领域的理论知识和挑战更加复杂和具有挑战性的管理问题的核心价值观是员工和组织如何建立协作人机系统改善组织,同时实现员工的个人价值。
数据可用性
数据是可用的。
的利益冲突
作者宣称没有利益冲突。